Jurnal Informatika Mulawarman Vol. 12, No.

1, Februari 2017
56
ISSN 1858-4853

SISTEM PAKAR PENDIAGNOSA PENYAKIT

TUBERKULOSIS

Nur Aini 1), Ramadiani 2), Heliza Rahmania Hatta 3)

1,2,3)
Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi,
Universitas Mulawarman Jl.K.H Wahid Hasyim II, Samarinda, 75119
E-Mail : nurshafaafi@gmail.com 1) , mmi_ugm04@yahoo.com 2),
heliza.rahmania@gmail.com 3)

ABSTRAK

Tuberkulosis merupakan penyakit infeksi yang mudah menular melalui udara

yang disebabkan oleh kuman Mycobacterium Tuberculosis. Tuberkulosis sebagian
besar menyerang paru namun penyakit ini juga menyerang organ tubuh lain yang
disebut ekstra paru. Kurangnya fasilitas dan pengetahuan masyarakat dapat
memperlambat diagnosa awal Tuberkulosis Ekstra Paru sehingga dapat
membahayakan keselamatan masyarakat. Maka diperlukannya sistem pakar yang
berguna untuk mendiagnosa penyakit Tuberkulosis yang dapat mempermudah
penderita dalam melakukan diagnosa awal penyakit Tuberkulosis agar segera
mendapatkan penanganan yang tepat. Tujuan dari penelitian ini adalah membangun
sistem pakar pendiagnosa penyakit Tuberkulosis dengan menggunakan metode
Certainty Factor. Aplikasi ini akan mendiagnosa penyakit dengan melakukan
penelusuran gejala-gejala yang ada berdasarkan inferensi forward chaining.
Penelitian ini menghasilkan sebuah sistem pakar berbasis web dengan tingkat akurasi
sebesar 85% yang dimanfaatkan untuk membantu tenaga kesehatan dan masyarakat
umum dalam mendiagnosa awal penyakit Tuberkulosis.

Kata Kunci : Tuberkulosis, Sistem Pakar, Certainty Factor, Forward Chaining

1. PENDAHULUAN penduduk, tetapi angka insidennya turun men

185 per 100.000 penduduk di tahun 2012 [15].
Tuberkulosis (TB) merupakan penyakit
Sebagian besar
kuman TB menyerang paru, menular langsung yang disebabkan oleh infeksi tetapi
dapat juga mengenai organ tubuh lainnya bakteri Mycobacterium
tuberculosis. TB yang biasa disebut dengan TB Ekstra Paru. TB Paru merupakan
penyakit yang mudah menular melalui merupakan bentuk yang paling sering dijumpai
udara dari sumber penularan yaitu pasien TB BTA yaitu sekitar 80 % dari semua
penderita. TB yang positif pada waktu batuk atau bersin, pasien menyerang jaringan
paru-paru ini merupakan satumenyebarkan kuman ke udara dalam bentuk satunya
bentuk dari TB yang mudah menular. TB percikan dahak. Sekali batuk dapat
menghasilkan
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017
57
ISSN 1858-4853

Ekstra Paru merupakan

bentuk penyakit TB yang sekitar 3000 percikan dahak [7]. menyerang organ tubuh
lain selain paru-paru. TB
TB dapat menyerang siapa saja, terutama usia pada dasarnya ini tidak pandang
bulu karena kuman produktif/masih aktif bekerja dan anak-anak. ini dapat menyerang
semua organ dari tubuh [4].
Sekitar 75% pasien TB adalah kelompok usia yang
Masyarakat hanya
mengetahui bahwa TB paling produktif secara ekonomis (15-50 tahun). menyerang
bagian paru saja pada umumnya, namun Diperkirakan seorang pasien TB dewasa
akan
TB juga dapat
menyerang organ lain selain paru kehilangan rata-rata waktu kerjanya 3 sampai 4
yang disebut ekstra paru. TB Ekstra Paru terjadi bulan. Jika ia meninggal akibat TB,
maka akan ketika kuman TB menyebar ke bagian organ tubuh kehilangan
pendapatannya sekitar 15 tahun. Selain lain melalui aliran darah. Diagnosis pasti
untuk merugikan secara ekonomis, TB juga memberikan penyakit TB sering sulit
ditegakkan sedangkan dampak buruk lainnya secara sosial bahkan diagnosis kerja
dapat ditegakkan berdasarkan gejala dikucilkan oleh masyarakat [3].
klinis TB yang kuat
(presumtif) dengan
Indonesia berkontribusi sebesar 5,8% dari menyingkirkan kemungkinan
penyakit lain. kasus TB yang ada di dunia. TB merupakan
Kurangnya fasilitas
yang memadai, dokter ahli masalah utama kesehatan masyarakat dan menjadi yang
tidak selalu ada di tempat dan kurangnya tantangan dalam masalah kesehatan
masyarakat di pengetahuan pasien mengenai penyakit TB
Indonesia dengan masih adanya sekitar 430.000 seringkali membuat diagnosis TB
terlambat yang pasien baru per tahun dan angka insiden bisa mengancam kesehatan
pasien. Sebuah aplikasi
189/100.000 penduduk serta angka kematian akibat komputer yang sistematis sebagai
alat bantu untuk
TB sebesar 61.000 per tahun atau 27/100.000 melakukan diagnosis awal penyakit TB
sangat penduduk [6]. Menurut laporan WHO tahun 2013, diperlukan untuk
memudahkan tenaga ahli dalam
Indonesia menempati urutan ketiga jumlah kasus menemukan bagian organ tubuh
mana yang
TB setelah India dan Cina dengan jumlah sebesar terserang penyakit TB dan dapat
mempercepat hasil
700 ribu kasus. Angka kematian masih sama diagnosa sehingga tenaga ahli dapat
memberikan dengan tahun 2011 sebesar 27 per 100.000 penanganan yang tepat.
Sistem yang dibangun dalam berbasis komputer yang
penelitian ini adalah sistem yang menggunakan pengetahuan, fakta,
menggunakan keahlian pakar dalam dan teknik penalaran dalam
bidang kesehatan dengan memecahkan masalah, yang biasanya
menggunakan metode certainty hanya dapat diselesaikan oleh
factor dalam mendiagnosa sebuah seorang pakar dalam bidang tertentu.
penyakit. Menurut Martin dan Oxman Menurut Sari (2013), metode
(1988), sistem pakar adalah sistem Certainty Factor merupakan metode
58 Vol. 12, No. 1, Februari 2017 Jurnal Informatika Mulawarm
ISSN 1858-4

yang mendefenisikan ukuran oleh nonpakar untuk memperoleh

kepastian terhadap fakta atau aturan, pengetahuan dan nasihat pakar.
untuk menggambarkan tingkat Kebanyakan sistem pakar saat ini
keyakinan pakar terhadap masalah tidak berisi komponen
yang sedang dihadapi, dengan perbaikanpengetahuan [14].
menggunakan Certainty Factor dapat
menggambarkan tingkat keyakinan c. Mesin Inferensi
pakar terhadap suatu penyakit. Mesin inferensi adalah program
Terdapat penelitian “Sistem komputer yang memberikan
Pakar untuk Mendiagnosa Penyakit metodologi untuk penalaran tentang
Polip Nasi (Polip Hidung) informasi yang ada dalam basis
Menggunakan metode Certainty pengetahuan dan dalam workplace
Factor”. Hasil dari penelitian ini untuk memformulasikan kesimpulan
adalah memberikan keputusan yang [2]. Penelitian menggunakan runut
cukup akurat mengenai diagnosa maju (Forward Chaining). Runut
penyakit polip nasi berdasarkan maju berarti menggunakan himpunan
penerapan metode Certainty Factor kondisi-aksi. Dalam metode ini, data
yang digunakan [1]. digunakan untuk menentukan aturan
Berdasarkan latar belakang mana yang dijalankan kemudian
diatas, penulis membangun Sistem aturan tersebut dijalankan, proses
Pakar Pendiagnosa Penyakit diulang sampai ditemukan suatu
Tuberkulosis Menggunakan Metode hasil. Menurut Giarrattano dan Riley,
Certainty Factor yang mampu metode inferensi runut maju cocok
memberikan diagnosis akan digunakan untuk menangani masalah
kemungkinan seorang pasien pengendalian (controlling) dan
menderita penyakit TB beserta cara peramalan (prognosis) [8].
pengobatannya.
d. Tubekulosis
Tuberkulosis (TB) adalah
2. TINJAUAN PUSTAKA suatu infeksi menular dan bisa
a. Sistem Pakar berakibat fatal disebabkan oleh
Mycobacterium tuberculosis,
Sistem pakar (expert system)
Mycobacterium bovis atau
merupakan paket perangkat lunak
Mycobacterium africanum. TB
atau paket program komputer yang
menunjukkan penyakit yang paling
ditujukan sebagai penyedia nasihat
sering disebabkan oleh
dan sarana bantu dalam memecahkan
Mycobacterium tuberculosis, tetapi
masalah dalam bidangbidang
kadang disebabkan oleh
spesialisasi tertentu seperti sains,
Mycobacterium bovis atau
perekayasaan matematika,
Mycobacterium africanum. Di
kedokteran, pendidikan dan
negara berkembang, anak-anak
sebagainya [14].
terinfeksi oleh mikobakterium
lainnya yang menyebabkan TB.
b. Struktur Sistem Pakar
Organisme ini disebut
Sistem pakar disusun oleh dua
Mycobacterium bovis, yang bisa
bagian utama, yaitu lingkungan
disebarkan melalui susu yang tidak
pengembangan dan lingkungan
disterilkan [10].
konsultasi. Lingkungan
Penyakit TB merupakan
pengembangan digunakan untuk
penyakit kronis atau menahun yang
memasukkan pengembangan pakar ke
telah lama dikenal oleh masyarakat
dalam lingkungan sistem pakar.
luas. Penemuan Robbert Kock pada
Lingkungan konsultasi digunakan
Jurnal Informatika Mulawarman
59
ISSN 1858-4853
tahun 1882 secara meyakinkan telah
dapat memberikan bukti bahwa
tuberkulosis adalah suatu penyakit
infeksi yang disebabkan oleh
bakteri yang diberi nama
Mycobacterium tuberculosis. Orang
yang pertama kali dapat
membuktikan bahwa TB adalah
suatu penyakit yang dapat
ditularkan yaitu Villenim yang
hidup pada tahun 1827-1894.
Penyakit TB biasa terdapat pada
paru-paru, tetapi mungkin juga pada
organ lain seperti kelenjar getah
bening (nodus lymphaticus) [11].
e. Gejala Penyakit Tuberkulosis
Beberapa Penyakit TB yang
sering diderita oleh masyarakat
adalah:
1. Tuberkulosis Paru
TB Paru adalah penyakit radang
parenkim paru yang disebabkan
oleh infeksi kuman
Mycobacterium Tuberculosis. TB
Paru mencakup 80% dari
keseluruhan kejadian penyakit
TB sedangkan 20% selebihnya
merupakan TB Ekstra Paru. a.
Gejala utama
Batuk terus-menerus dan
berdahak selama tiga
minggu/lebih.
b. Gejala tambahan yang sering
dijumpai
1) Dahak bercampur
darah/batuk darah. 2)
Demam selama tiga minggu
atau lebih 3) Sesak nafas
dan nyeri dada.
4) Penurunan nafsu makan.
5) Berat badan turun.
6) Rasa kurang enak badan
(malaise, lemah.
7) Berkeringat di malam hari
walaupun tidak melakukan
apa-apa
2. TB Ekstra Paru
Vol. 12, No. 1, Februari 2017
TB Ekstra Paru merupakan
penyakit yang disebabkan oleh
infeksi kuman Mycobacterium
Tuberculosis yang menyerang
organ tubuh selain paru. Penyakit
ini biasanya terjadi karena kuman
menyebar dari bagian paru ke
bagian organ tubuh lain melalui
aliran darah.
a. Tuberkulosis Kelenjar Getah
Bening TB Kelenjar atau
Limfadenitis Tuberculosis
adalah penyakit radang
kelenjar getah bening yang
disebabkan oleh infeksi kuman
Mycobacterium Tuberculosis.
Kelenjar getah bening yang
biasa diserang adalah bagian
leher, ketiak, dan sela paha.
1) Gejala sistemik/umum:
a) Batuk terus-menerus
dan berdahak selama
tiga minggu/lebih
b) Demam selama tiga
minggu/lebih
c) Penurunan nafsu
makan
d) Berat badan turun
e) Rasa kurang enak
badan/malaise, lemah
f) Berkeringat di malam
hari walaupun
tidak melakukan apa-
apa
2) Gejala Khusus
a) Munculnya benjolan-
benjolan pada bagian
yang mengalami
gangguan kelenjar
seperti leher, sela paha,
serta ketiak.
b) Ada tanda-tanda radang
di daerah sekitar
benjolan kelenjar.
c) Benjolan kelenjar
mudah digerakkan.
d) Benjolan kelenjar yang
timbul terasa kenyal.
60 Vol. 12, No. 1, Februari 2017 Jurnal Informatika Mulawarm
ISSN 1858-4

e) Membesarnya benjolan kuman Mycobacterium

kelenjar yang Tuberculosis.
mengakibatkan hari 1) Gejala sistemik/umum:
demi hari kondisinya a) Batuk terus-menerus
semakin memburuk dan berdahak selama
dan merusak tubuh. tiga minggu/lebih.
f) Benjolan kelenjar b) Demam selama tiga
pecah dan minggu/lebih
mengeluarkan cairan c) Penurunan nafsu makan
seperti nanah kotor. d) Berat badan turun
g) Terdapat luka pada e) Rasa kurang enak
jaringan kulit atau kulit badan/malaise, lemah
yang disebabkan f) Berkeringat di malam
pecahnya benjolan hari walaupun
kelenjar getah bening. tidak melakukan apa-apa
b. Tuberkulosis Payudara 2) Gejala Khusus
TB Payudara adalah penyakit a) Rasa nyeri pada bagian
radang payudara yang punggung atau
disebabkan oleh infeksi mengalami kekakuan
kuman Mycobacterium punggung.
Tuberculosis. b) Penderita enggan
1) Gejala sistemik/umum: menggerakkan
a) Batuk terus-menerus punggungnya.
dan berdahak selama c) Penderita menolak
tiga minggu/lebih. untuk membungkuk
b) Demam selama tiga atau mengangkat
minggu/lebih barang dari lantai, bila
c) Penurunan nafsu diminta penderita akan
makan. menekuk lututunya agar
d) Berat badan turun. punggung tetap lurus.
e) Rasa kurang enak d) Rasa nyeri pada
badan (malaise), lemah. punggung berkurang
f) Berkeringat di malam bila penderita
hari walaupun beristirahat.
tidak melakukan apa-apa. e) Timbulnya benjolan
2) Gejala Khusus di bagian
a) Timbulnya benjolan di punggung/tulang belakang.
payudara.
b) Rasa nyeri di bagian f. Metode Certainty Factor
payudara. Seorang pakar sering kali
c) Adanya tanda radang di menganalisis informasi yang ada
sekitar benjolan yang dengan ungkapan seperti
timbul di payudara. “mungkin”, “kemungkinan besar”,
“hampir pasti”, untuk
c. TB Tulang Belakang mengakomodasi hal ini kita
(Spondilitis) menggunakan Certainty Factor
TB Tulang Belakang atau (CF) guna menggambarkan tingkat
Spondilitis Tuberculosis keyakinan pakar terhadap masalah
adalah penyakit radang yang sedang terjadi [14]. Faktor
tulang belakang yang Kepastian (Certainty Factor)
disebabkan oleh infeksi menyatakan kepercayaan dalam
Jurnal Informatika Mulawarman
61
ISSN 1858-4853
sebuah kejadian (fakta atau
hipotesis) berdasarkan bukti atau
penilaian pakar [15]. Salah satu cara
dalam mendapatkan tingkat
keyakinan (CF) dari sebuah rule
adalah dengan cara mewawancarai
seorang pakar yaitu nilai CF(Rule)
didapat dari interpretasi “term”
pakar yang diubah menjadi nilai CF
tertentu sesuai tabel 1 berikut [14].
Tabel 1. Nilai CF dan
Interpretasi
Uncertain Term
Definitely not (pasti tidak)
Almost certainly not (hampir pasti tidak)
Probably not (kemungkinan besar tidak)
Maybe not (mungkin tidak)
Unknown (tidak tahu)
Maybe (mungkin)
Probably (kemungkinan besar)
Almost certainly (hampir pasti)
Definitely (pasti)
(Sumber: T.Sutejo dkk, 2011)
Secara umum, rule
direpresentasikan dalam bentuk
sebagai berikut [14] :
IF E1 AND E2….AND En THEN H
(CF rule)
Atau
IF E1 OR E2….OR En THEN H
(CF rule)
Di mana:
IF E1…En : Fakta-fakta
(evidence) yang ada H :
Hipotesis atau konklusi yang
dihasilkan
CF Rule : Tingkat
keyakinan terjadinya
hipotesis H akibat adanya fakta
1. Rule evidence E tunggal dan
hipotesis H tunggal
IF E THEN H (CF rule)
CF(H,E) = CF(E) × (CF rule)
2. Rule evidence E ganda
hipotesis H tunggal
Vol. 12, No. 1, Februari 2017
IF E1 AND E2….AND En THEN H
(CF rule) CF(H,E) =
min[CF(E1), CF(E2), ….,
CF(En)] x CF(rule)
IF E1 OR E2….OR En THEN H
(CF rule) CF(H,E) =
max[CF(E1), CF(E2), ….,
CF(En)] x CF(rule)
3. Kombinasi dua buah rule dengan
evidence berbeda (E1 dan E2),
hipotesis sama. IF E1 THEN H
Rule 1
CF(H,E1) = CF1 = (E1)
CF(Rule1)
IF E2 THEN H Rule 2
CF(H,E2) = CF2 C E2
CF Rule2
- 02 to 0.2
g. Penelitian
Pemenuhan konsep sistem
pakar dengan basis pengetahuan
dilakukan dengan pengumpulan data
dan informasi terkait jenis penyakit
Tuberkulosis Ekstra Paru, dengan
studi pustaka dan konsultasi dengan
pakar Tuberkulosis. Basis data
dilakukan dengan analisis dan
perancangan menggunakan Unified
Modelling Language (UML). Adapun
konsep inference engine dilakukan
dengan penggunaan production rule
(if..then) mekanismenya melalui
forward chaining serta penilaian
bobot menggunakan nilai CF dan
intrepretasinya. Adapun konsep user
interace dan dialog dikembangkan
dengan pembuatan antarmuka yang
user friendly bagi kemudahan dalam
pengisian data dan fakta. Keluaran
yang disajikan berupa informasi
diagnosa penyakit Tuberkulosis dan
nilai kemungkinan penyakit yang
dan didiagnosis menyerang, sedangkan
uji validitas hasil diagnosis
dikomparasi dengan data pakar.
62 Vol. 12, No. 1, Februari 2017
3. HASIL DAN PEMBAHASAN
a. Deskripsi Sistem
Sistem pakar
pendiagnosa penyakit
Tuberkulosis Paru dan Ekstra Paru ini
tidak digunakan untuk
mendiagnosa penyakit
Tuberkulosis pada anak-anak yaitu
anak berusia 012 tahun.
Pendiagnosaan penyakit Tuberkulosis
Paru Dan Ekstra Paru pada anak-anak
memiliki metode tersendiri yaitu
dengan menggunakan metode
Scoring. Dengan demikian, pengguna
yang dapat berkonsultasi
menggunakan sistem pakar ini adalah
pengguna yang berusia lebih dari 12
tahun.
Sistem pakar untuk diagnosa
penyakit Tuberkulosis ini
menggunakan metode inferensi
forward chaining (penalaran maju)
dan teori faktor kepastian (certainty
factor), dalam metode ini user akan
memilih gejala sesuai dengan yang
dialaminya, kemudian sistem akan
mengecek satu demi satu gejala
yang dipilih user apakah rule di
dalam database ada yang sesuai
dengan inputan user. Jika ada maka
sistem akan melakukan perhitungan
nilai CF sesuai dengan rule yang
terpilih. Sistem akan memberikan
output berupa nama penyakit,
besarnya nilai persentase hasil
diagnosis sistem, daftar gejala yang
telah dipilih user, serta penjelasan
solusi penanganan dan pengobatan
penyakit.
User dapat mengisi kuisioner
resiko sebelum user memilih gejala
sesuai dengan yang dialaminya
dengan menjawab pertanyaan
umum mengenai resiko kejadian
Tuberkulosis untuk mengetahui
besarnya resiko user untuk
terserang penyakit Tuberkulosis
dengan melihat faktor resiko yang
ada pada user. Sistem akan
mengecek jawaban user tersebut
apakah sesuai dengan aturan faktor
Jurnal Informatika Mulawarm
ISSN 1858-4
resiko dan memberikan hasil user
tersebut beresiko untuk terserang
penyakit atau tidak. Jika user
beresiko terserang penyakit maka
sistem akan menyarankan user
untuk melakukan konsultasi dengan
memilih gejala sesuai yang
dialaminya, jika tidak beresiko
maka sistem akan memberikan
kebebasan kepada user untuk tetap
lanjut berkonsultasi atau tidak.
Sistem juga memberikan informasi
penyakit mengenai jenis penyakit
Tuberkulosis sehingga sistem ini
juga berfungsi layaknya sistem
informasi.
Data mengenai gejala penyakit dan
nilai keyakinannya diperoleh dari
seorang pakar yaitu Bapak Eko
Haryanto, A.md.Kep dalam hal ini
adalah Koordinator Tuberkulosis,
Kusta dan Malaria pada Puskesmas
Lempake Samarinda untuk
mendukung pembuatan sistem
pakar ini sehingga sistem dapat
bekerja layaknya seorang pakar dan
dapat menjadi alternatif
pendiagnosaan penyakit yang lebih
hemat dan efisien.
b. Faktor Resiko Kejadian
Tuberkulosis
Berdasarkan literatur dan
wawancara dengan Pakar
Tuberkulosis yaitu Bapak Romi
Hendra, S.K.M. bahwa seseorang
dikatakan memiliki kemungkinan
resiko untuk terserang Tuberkulosis
apabila memenuhi faktor resiko
paling kurang satu dari faktor
berikut:
1) Rumah tempat tinggal tidak
tersedia atau tidak memiliki
ventilasi
2) Jendela rumah tidak dibuka
setiap hari atau tidak memiliki
jendela rumah
3) Keadaan rumah pengap dan
lembab
4) Sinar matahari yang masuk ke
dalam rumah tidak cukup yang
Jurnal Informatika Mulawarman
63
ISSN 1858-4853
ditandai dengan tidak adanya
cahaya terang dari sinar matahari
pada siang
hari di dalam rumah
5) Tinggal di lingkungan yang
kumuh
6) Minum Alkohol
7) Perokok dan mantan perokok
8) Mengalami gizi buruk atau
malnutrisi
9) Menderita HIV/AIDS
10) Menderita Diabetes
11) Tinggal serumah dengan
penderita TB Paru
12) Tinggal serumah dengan lebih
dari satu penderita TB Paru
13) Adanya kontak dengan penderita
TB Paru di luar rumah secara
intensif seperti tempat kerja,
sekolah, dll.
c. Perancangan Sistem
Perancangan sistem pakar
diagnosa awal penyakit Tuberkulosis
yang dikembangkan menggunakan
menggunakan diagram unified
modeling language (UML), diagram
yang digunakan yaitu use case
diagram dan activity diagram.
Usecase diagram merupakan suatu
langkah penting yang harus dilakukan
dalam menyelesaikan suatu masalah.
Berisi alur untuk membantu
bagaimana suatu sistem dapat
berjalan. Gambar 1 merupakan
usecase diagram sistem pakar
diagnosa awal penyakit Tuberkulosis.
Vol. 12, No. 1, Februari 2017
Gambar 1. Usecase Diagram
Sistem
d. Perancangan Basisdata
Fakta dan pengetahuan yang
berhubungan dengan gejala-gejala
Tuberkulosis Paru dan Ekstra Paru
akan digunakan dalam mengambil
suatu kesimpulan dalam pembuatan
sistem pakar. Fakta dan pengetahuan
tersebut didapatkan dari hasil studi
literatur dan wawancara. Setiap jenis
penyakit Tuberkulosis pasti memiliki
gejala-gejala yang dapat
diindentifikasi berdasarkan
pengetahuan dari pakar. Fakta dan
pengetahuan yang telah didapatkan
akan diterjemahkan knowledge
engineer menjadi basis pengetahuan
yang tersimpan dalam sistem pakar
yang telah dibuat. Fakta tersebut
ditampilkan dalam bentuk tabel
gejala dan bobot gejala. Masing-
masing gejala direpresentasikan
dengan kode seperti digambarkan
pada tabel 2.
Tabel 2. Daftar Nilai CF Gejala
Tuberkulosis
Kode Nama Gejala Nilai
Gejala CF
G01 Batuk terus-menerus dan berdahak 0.8
64 Vol. 12, No. 1, Februari 2017 Jurnal Informatika Mulawarm
ISSN 1858-4

selama tiga minggu/lebih G22 Rasa nyeri/sakit pada punggung 1.0

G02 Dahak bercampur darah/batuk darah berkurang bila penderita beristirahat.
G03 Demam yang berlangsung lama G23 Timbulnya benjolan di bagian 0.6
G04 Sesak nafas dan nyeri dada punggung/tulang belakang
G05 Penurunan nafsu makan
G06 Penurunan berat badan Setiap jenis penyakit
G07 Rasa kurang enak badan/malaise, lemah
Tuberkulosis direpresentasikan
G08 Berkeringat di malam hari walaupun
tidak melakukan apa-apa
dengan kode seperti yang
G01a Batuk terus-menerus dan berdahak tercantum pada tabel 3 berikut:
selama tiga minggu/lebih
G01b Batuk terus-menerus dan berdahak
selama tiga minggu/lebih
Tabel 3. Daftar Jenis Penyakit
G01c Batuk terus-menerus dan berdahak Tuberkulosis.
selama tiga minggu/lebih Kode Nama Penyakit
G03a Demam yang berlangsung lama Penyakit
G03b Demam yang berlangsung lama P01 Tuberkulosis Paru
G03c Demam yang berlangsung lama P02 Tuberkulosis Kelenjar Getah Bening
G05a Penurunan nafsu makan P03 Tuberkulosis Payudara
G05b Penurunan nafsu makan P04 Tuberkulosis Tulang Belakang
G05c Penurunan nafsu makan
G06a Penurunan berat badan e. Implementasi Sistem
G06b Penurunan berat badan
G06c Penurunan berat badan Sistem Pakar diagnosa
G07a Rasa kurang enak badan/malaise, lemah penyakit
G07b Rasa kurang enak badan/malaise, lemah Tuberkulosis memiliki beberapa
G07c Rasa kurang enak badan/malaise, lemah bagian yang selalu tampil pada setiap
G08a Berkeringat di malam hari walaupun
halaman web, yaitu bagian header,
tidak melakukan apa-apa
G08b Berkeringat di malam hari walaupun menu samping, dan footer.
tidak melakukan apa-apa 1. Halaman Utama Website
G08c Berkeringat di malam hari walaupun Halaman utama website
tidak melakukan apa-apa memiliki menu utama yang terletak
Munculnya benjolan-benjolan yang
di bagian kiri yang terdiri dari menu
terjadi pada bagian yang mengalami
G09
gangguan kelenjar seperti leher, sela Login, menu Bantuan, dan menu
paha, serta ketiak. About Me. Tampilan Halaman
G10 Ada tanda-tanda radang di daerah sekitar Utama Website dapat dilihat pada
benjolan kelenjar gambar 2.
G11 Benjolan kelenjar mudah digerakkan
G12 Benjolan kelenjar timbul terasa kenyal
Membesarnya benjolan kelenjar yang
mengakibatkan hari demi hari
G13
kondisinya semakin memburuk dan
merusak tubuh.
G14 Benjolan kelenjar pecah, mengeluarkan
cairan seperti nanah yang kotor.
Terdapat luka pada jaringan kulit atau
G15 kulit yang disebabkan pecahnya benjolan
kelenjar getah bening
G16 Timbulnya benjolan di payudara.
G17 Rasa nyeri di bagian payudara.
G18 Adanya tanda radang di sekitar benjolan
yang timbul di payudara.
G19 Rasa nyeri/sakit pada bagian punggung
atau mengalami kekakuan punggung.
G20 Penderita enggan menggerakkan
punggungnya. Gambar 2. Halaman Utama atau
Penderita menolak untuk membungkuk Home
atau mengangkat barang dari lantai, bila
G21
diminta penderita akan menekuk
2. Menu Login User
lututunya agar punggung tetap lurus.
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017
65
ISSN 1858-4853

Menu Login User digunakan Resiko berfungsi sebagai pemberi

untuk menampilkan halaman login informasi seberapa besar resiko
user. Halaman login user berfungsi user untuk terserang penyakit
sebagai pintu masuk yang digunakan Tuberkulosis. Kuisioner Resiko
user untuk dapat masuk ke dalam merupakan kuisioner yang berisi
akun user. Setiap user yang ingin pertanyaan mengenai beberapa
melakukan konsultasi pada sistem faktor resiko kejadian Tuberkulosis.
ini diharuskan untuk memiliki akun Pertanyaan yang diajukan kepada
terlebih dahulu agar data dan privasi user terdiri dari 13 pertanyaan
user dapat terjaga. faktor resiko Tuberkulosis dan
disediakan dua pilihan jawaban
3. Halaman Dashboard User “ya”, “mungkin”, dan “tidak”.
Halaman utama user atau Tampilan Halaman Kuisioner
Dashboard adalah halaman Resiko dapat dilihat pada gambar 4.
utama/halaman beranda yang pertama
kali tampil ketika user berhasil login
ke dalam akun user. User harus
melakukan login dulu sebelum
halaman utama user tampil. Halaman
utama user berisi beberapa widget
yaitu kuisioner resiko, konsultasi,
informasi penyakit & faktor resiko,
dan rekam medis yang dapat
digunakan user secara langsung
selain menggunakan menu utama.
Tampilan Halaman
Utama User dapat dilihat pada
gambar 3.

Gambar 3. Halaman Dashbord

User

Gambar 4. Halaman Kuisioner

User dapat menggunakan
widget Kuisioner Resiko yang Resiko
terdapat pada halaman beranda user
untuk mengisi kuisioner. Kuisioner
66 Vol. 12, No. 1, Februari 2017 Jurnal Informatika Mulawarm
ISSN 1858-4

User harus menjawab semua persentasi nilai kemungkinannya.

pertanyaan Kuisioner Resiko untuk
mendapatkan hasil resiko
Tuberkulosis yang dimiliki. Setelah
user mengisi kuisioner resiko
kejadian Tuberkulosis maka
halaman hasil Kuisioner Resiko
akan tampil. Halaman hasil
Kuisioner Resiko berisi hasil
apakah user memiliki kemungkinan
resiko untuk terserang penyakit
Tuberkulosis atau tidak, daftar
faktor resiko yang dimiliki user
berdasarkan jawaban yang telah
dipilih user untuk setiap pertanyaan
resiko. Tampilan Halaman Hasil
Kuisioner Resiko dapat dilihat pada
gambar 5.
Jika tidak sesuai dengan rule penyakit
yang ada maka sistem akan
memberikan hasil output bahwa user
tidak terdiagnosa terkena penyakit
TB. Di bawah ini langkah-langkah
yang dapat dilakukan user untuk
melakukan konsultasi:
1) User memilih gejala penyakit
Tuberkulosis yang dialami.
Tampilan Form Konsultasi
dapat dilihat pada gambar 6.

Gambar 5. Halaman Hasil

Kuisioner Resiko

a. Menu Konsultasi
Menu konsultasi adalah menu
yang menampilkan halaman
Konsultasi. User dapat memulai
konsultasi pada halaman ini dengan
memilih gejala-gejala yang ada sesuai
yang dialami oleh user. Inputan
gejala user akan menjadi masukan
sistem pakar untuk diproses. Sistem
akan mengecek apakah inputan
gejala-gejala dari user terdapat rule
yang sesuai atau tidak. Jika inputan
gejala user sesuai dengan rule
Gambar 6. Form
penyakit yang ada maka akan
Konsultasi
dilakukan proses perhitungan dengan
menggunakan metode Certainty
Factor dan menghasilkan hasil 2) User menekan tombol submit
diagnosa kemungkinan penyakit TB setelah memilih gejala yang
Paru dan Ekstra Paru beserta dialami kemudian sistem akan
Jurnal Informatika Mulawarman
67
ISSN 1858-4853
menampilkan hasil diagnosa
kemungkinan penyakit pada
halaman detail diagnosa.
Tampilan Detail Diagnosa
dapat dilihat pada gambar 7.
Gambar 7. Halaman Detail Diagnosa 1. Telah dihasilkan sebuah sistem
User dapat melihat gejala yang
telah diinputkan dan kemungkinan
penyakit TB yang terkena beserta
nilai kemungkinan dan info
penanganannya pada halaman detail
diagnosa. User dapat melihat info
penanganan penyakit dengan
menekan tombol “info penanganan”
pada halaman detail diagnosa. Di
bawah ini gambar info penanganan
salah satu diagnosa penyakit yaitu
Vol. 12, No. 1, Februari 2017
Tuberkulosis TB Kelenjar Getah
Bening. Tampilan Informasi
Penanganan dapat dilihat pada
gambar 8.
Gambar 8. Halaman Informasi
Penanganan TB
Kelenjar Getah Bening
4. KESIMPULAN
Berdasarkan hasil penelitian
mengenai sistem pakar pendiagnosa
penyakit Tuberkulosis Paru dan
Ekstra Paru dengan menggunakan
metode Certainty Factor, dapat
diambil kesimpulan:
pakar untuk diagnosa awal
penyakit Tuberkulosis Paru dan
Ekstra Paru pada orang dewasa
(usia lebih dari 12 tahun)
berbasis web yang dibangun
dengan menggunakan metode
inferensi forward chaining dan
teori Certainty Factor (CF) serta
menggunakan bahasa
pemrograman PHP dan database
MySQL.
2. Sistem pakar ini bekerja
berdasarkan gejala yang dipilih
user kemudian diproses oleh
68 Vol. 12, No. 1, Februari 2017 Jurnal Informatika Mulawarm
ISSN 1858-4

sistem sehingga menghasilkan Jakarta: Kementrian

output yaitu nama penyakit, Kesehatan RI. 2014.
presentase keyakinan diagnosa [7] Kusrini. 2008. Aplikasi
dan informasi penanganan Sistem Pakar.
penyakit. Yogyakarta: Andi Offset.
3. Sistem Pakar Pendiagnosa [8] Madcoms. 2011. Adobe
Penyakit Tuberkulosis Dreamweaver CS5 dengan
mempunyai tingkat akurasi Pemrograman PHP &
diagnosa penyakit sebesar 85%. MySQL.
Yogyakarta : Penerbit Andi.
5. DAFTAR PUSTAKA [9] Mahdiana, R. 2010.
Panduan Lengkap
[1]. Alfaris, S. 2014. “Sistem Pakar
Kesehatan Mengenal,
untuk Mendiagnosa Penyakit
Mencegah dan Mengobati
Polip Nasi (Polip Hidung)
Penularan Penyakit dari
Menggunakan Metode Certainty
Infeksi. Yogyakarta: Citra
Factor”. Pelita Informatika Budi
Pustaka.
Darma, Vol. VII Nomor 2.
Agustus 2014. [10] Martin, J. Dan Oxman, S.
1988. Building Expert
[2]. Arhami, M. 2005. Konsep Dasar
Systems a Tutorial. New
Sistem Pakar. Yogyakarta:
Jersey: Prentice Hall.
Andi.
[11] Misnadiarly. 2006.
[2] Depkes RI, Ditjen PP dan
Diabetes Melitus Gangren,
PL. 2008. Pedoman
Ulcer, Infeksi, Mengenali
Nasional Penanggulangan
gejala, Menanggulangi, dan
Tuberkulosis dan Standar
Mencegah komplikasi.
Internasional Untuk
Jakarta: Pustaka Obor
Pelayanan Tuberkulosis.
Populer.
Departemen Kesehatan
Republik [12] Sari, W.W. 2013.
“Perancangan Sistem Pakar
Indonesia.
untuk Mengetahui
[3] Hiswani 2008.
Infertilitas Pada
“Tuberkulosis Merupakan
Perempuan Menggunakan
Penyakit Infeksi yang
Metode Certainty Factor”.
Masih Menjadi Masalah
Pelita Informatika Budi
Kesehatan Masyarakat”.
Darma, Vol. V Nomor 1.
Skripsi. Universitas
November 2013.
Sumatera Utara.
[13] Sutejo, T., Mulyanto, E.,
[4] Kadir, Abdul. 2008. Dasar
dan Suhartono, V. 2011.
Pemrograman Web
Kecerdasan Buatan.
Dinamis Menggunakan
Yogyakarta: Andi.
PHP – Edisi Revisi, ANDI,
Yogyakarta. [14] Turban, 2005. Decision
Support System, Intelligent
[5] Kementrian Kesehatan RI.
System. Jilid II. Edisi 7.
2011. Pedoman Nasional
Yogyakarta. Percetakan
Penanggulangan
Andi Offset. Penerbit Andi.
Tuberkulosis. Jakarta:
Kementrian Kesehatan RI. [15] WHO. 2013. WHO Report
[6] Kementrian Kesehatan RI. 2013-Global
2014. Pedoman Nasional Tuberculosis Control.
Pengendalian Tuberkulosis. www.who.int/tb/data.
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017
69
ISSN 1858-4853

diunduh pada tanggal 05

April 2016.